Rodzaje systemów sztucznej inteligencji

Od najwcześniejszych dni komputerów naukowcy próbowali tworzyć systemy naśladujące ludzką inteligencję. Podczas gdy krzemowy Einstein może nadal być odległą możliwością, sztuczna inteligencja lub sztuczna inteligencja przyniosła nam telefony rozpoznające mowę ludzką, samochody, które same jeżdżą, oraz systemy eksperckie, które konkurują w grze telewizyjnej przedstawia. Z biegiem lat badania nad sztuczną inteligencją przeszły kilka ewolucji i wraz z rozwojem każdej technologii stały się częścią naszego codziennego doświadczenia.

Pierwsi badacze zmagali się z ograniczoną mocą obliczeniową i pamięcią masową komputera, ale nadal kładli… podstawy sztucznej inteligencji z językami programowania, takimi jak LISP i koncepcjami, takimi jak drzewa decyzyjne i maszyna uczenie się. Programy napisane w LISP-ie mogą z łatwością analizować partie takie jak szachy, mapować wszystkie możliwe ruchy przez kilka tur, a następnie wybierać najlepszą alternatywę. Programy te mogą również modyfikować swoją logikę decyzyjną i uczyć się na wcześniejszych błędach, stając się z czasem „mądrzejszy”. Dzięki mocniejszym komputerom i tańszej pamięci masowej ta gałąź sztucznej inteligencji dała początek branży gier komputerowych, a także różnorodność spersonalizowanych wyszukiwarek i witryn zakupów online, które nie tylko pamiętają nasze preferencje, ale także przewidują nasze wymagania.

Podczas gdy pierwsza fala badaczy sztucznej inteligencji polegała na cyklach obliczeniowych w celu symulacji ludzkiego rozumowania, następne podejście opierało się na faktach i danych, aby naśladować ludzkie doświadczenia. Systemy eksperckie gromadziły fakty i reguły w bazie wiedzy, a następnie wykorzystywały komputerowe silniki wnioskowania, aby wydedukować nowe fakty lub odpowiedzieć na pytania. Inżynierowie wiedzy przeprowadzili wywiady z ekspertami w dziedzinie medycyny, naprawy samochodów, wzornictwa przemysłowego lub innych zawodów, a następnie sprowadzili te odkrycia do faktów i zasad czytelnych dla maszyn. Te bazy wiedzy były następnie wykorzystywane przez innych do diagnozowania problemów lub odpowiadania na pytania. W miarę dojrzewania technologii badacze znaleźli sposoby na zautomatyzowanie rozwoju bazy wiedzy, zasilając ją ryz literatury technicznej lub pozwalanie oprogramowaniu przeszukiwać sieć w celu znalezienia odpowiednich informacji na jej temat własny.

Inna grupa badaczy próbowała odtworzyć pracę ludzkiego mózgu, tworząc sztuczne sieci neuronów i synaps. Dzięki szkoleniu te sieci neuronowe mogły rozpoznawać wzorce na podstawie danych, które wyglądały jak losowe. Obrazy lub dźwięki są wprowadzane do wejściowej strony sieci, a prawidłowe odpowiedzi do wyjściowej strony. Z biegiem czasu sieci reorganizują swoją wewnętrzną strukturę, tak aby po podaniu podobnych danych wejściowych sieć zwracała poprawną odpowiedź. Sieci neuronowe dobrze sprawdzają się w odpowiedzi na ludzką mowę lub podczas tłumaczenia zeskanowanych obrazów na tekst. Oprogramowanie wykorzystujące tę technologię może czytać książki osobom niewidomym lub tłumaczyć mowę z jednego języka na inny.

Analiza danych na dużą skalę, często nazywana „dużymi danymi”, wykorzystuje moc wielu komputerów do odkrywania faktów i relacji w danych, których ludzki umysł nie jest w stanie pojąć. Biliony opłat kartą kredytową lub miliardy relacji w sieciach społecznościowych można skanować i korelować przy użyciu różnych metod statystycznych w celu znalezienia przydatnych informacji. Firmy obsługujące karty kredytowe mogą znaleźć wzorce kupowania, które wskazują, że karta została skradziona lub że posiadacz karty ma trudności finansowe. Sprzedawcy detaliczni mogą znaleźć wzorce zakupowe wskazujące, że klientka jest w ciąży, nawet zanim sama się o tym dowie. Big data pozwala komputerom zrozumieć świat w sposób, którego my, ludzie, sami nigdy nie bylibyśmy w stanie.